以煤为主的能源结构决定了燃煤发电在我国占据着主导地位。燃煤发电所需要的主要能源是煤炭,而煤炭市场经常发生变化,造成电厂所需的煤种来源很不稳定,导致电站锅炉燃用的煤种与锅炉设计的煤种经常出现不一致,严重影响电站锅炉的安全运行和经济运行。煤粉的含碳量在一定程度上可以反映出煤种情况,因此,本文将针对电站锅炉燃烧煤种的不稳定性,对一次风管煤粉含碳量进行预测建模研究,为煤种的实时在线分析提供参考。论文主要工作如下:首先,对煤粉含碳量测量过程的主要影响因素进行深入分析,为构建煤粉含碳量预测模型奠定基础。煤粉颗粒在气力输送过程中经摩擦碰撞产生静电,而荷电的煤粉颗粒包含煤粉含碳量信息。因而可利用静电技术采集煤粉颗粒的静电信号,在此基础上对煤粉含碳量和静电信号之间的关系进行了理论分析和试验数据分析。同时结合相关系数法和试验数据深入分析了煤粉含碳量测量过程的主要影响因素,从而确定了构建模型的主要辅助变量。其次,采用了支持向量回归机(SVR)算法对煤粉含碳量进行建模研究。通过对不同归一化方式和核函数的比较分析,确定了最佳归一化方式和最佳核函数。利用现场试验数据对SVR模型进行了训练和测试,并与BP神经网络模型(BP-ANN)实验结果做比较分析。仿真结果表明,SVR模型预测精度更高,推广性能更好,可以更好地预测锅炉一次风管煤粉含碳量。最后,采用改进的遗传算法对煤粉含碳量预测模型进行优化研究。结合交叉验证法,探索建立基于GA-SVR煤粉含碳量的优化模型。通过仿真实验分析,获得了训练和测试误差结果图、实际值和预测值对比结果图以及三种模型的各类性能指标对比结果。结果表明,改进的GA-SVR优化模型比SVR模型和BP-ANN模型具有更好的预测效果。